基于自调整神经元的航空发动机多变量自适应解耦控制

根据航空发动机性能控制要求, 通过分析自调整神经元及最速下降学习方法, 研究了基于自调整神经元的航空发动机多变量自适应解耦控制系统.利用自调整神经元的结构简单、各神经元之间没有权值连接及在线学习的优点, 在线整定多变量PID控制器的参数.阐明了该方法的结构和原理.并进行了航空发动机多变量自适应解耦控制系统的设计.大量的仿真结果表明, 系统具有良好的解耦特性和自适应能力.      

机务维修安全保障能力综合评价方法

针对民航行政管理机关或航空公司管理层对公司部门安全保障能力缺乏科学、有效的评价方法这一实际需求,本文结合了民航安全评价的特点,通过选取安全管理、运行保障和安全绩效作为评估维度,建立了机务维修安全保障能力指标体系和评价指标。分析了指标的意义和计算方法,通过层次分析法确定了权重,以基于灰色理论的综合评价法减小主观性。并以某公司机务维修部作为算例进行了实例验证,对影响评估结果的主要因素进行了分析和研究,验证结果表明了所建立指标体系的有效性和可操作性。     

基于广义既约梯度法的航空发动机性能寻优控制

提出了一种基于航空发动机约束物理意义的寻优方法，并将其应用于性能寻优控制之中。该方法根据航空发动机约束的物理特性完全已知的特点，利用起作用集法和既约梯度法将发动机非线性约束寻优问题转化为低维的无约束寻优问题，提高了计算速度。应用该方法对全包线内的工作点，对最大推力、最低油耗、最低涡轮进口温度和加力最大推力等模式进行了寻优，给出了寻优结果。     

基于DRNN网络的航空发动机多变量解耦控制

通过分析对角递归神经网络（DRNN）及带动量项的梯度学习方法（GDM）,针对某型涡扇发动机的性能控制,研究了基于对角递归神经网络的多变量自学习解耦控制算法及其在航空发动机控制中的应用.阐明了该方法的结构和原理.并在设计点处进行了发动机多变量解耦控制系统设计.在偏离设计点时,大量的仿真结果表明,系统具有较好解耦和自适应能力.     

航空发动机性能寻优控制混合优化算法

根据性能寻优控制(Perform ance Seek ing Con trol)优化模式的特点,针对某型涡扇发动机,研究了把发动机性能优化问题描述为线性规划问题。同时针对线性规划方法可能会收敛于局部极小值和非线性方法计算量大的问题,提出了基于LP(L inear P rogramm ing)和MAPS(M odel-A ssisted Pattern Search)混合优化方法,并研究了LP和MAPS混合优化方法在航空发动机性能寻优控制中的应用,同时在最大推力控制模式和最小油耗控制模式下进行了仿真。大量仿真结果表明,采用混合优化方法可进一步提高发动机的性能,并且大大减少了计算量。      

基于QDRNN网络的航空发动机多变量解耦控制

针对航空发动机非线性模型的复杂性,通过对准对角递归神经网络(QDRNN)及梯度下降法(GMD)的分析,研究了基于QDRNN网络的航空发动机多变量解耦PID控制系统.阐明了该算法的结构和原理,通过对设计点及非设计点的仿真.研究表明,QDRNN网络结构相对简单,易于构造训练算法,较好地解决了双变量控制系统中变量之间的耦合作用.      

涡扇发动机超声速进气道实时数学模型

利用流场计算结果建立了反映飞行马赫数、攻角、斜板角度和风扇进口静压影响的超声速进气道多维实时数学模型。综合该进气道模型、某型涡扇发动机实时数学模型和实时喷管模型，建立了实时的推进系统数学模型。利用此模型研究了飞行马赫数、攻角、斜板角度和出口反压对涡扇发动机工作参数的影响。结果表明，该模型准确度高，实时性好，可完成推进系统的动静态过程仿真计算；并可用于进气道与发动机的匹配以及超声速进气道控制研究。     

涡扇发动机分路式多变量PI解耦控制

根据基于模型的智能数字发动机控制的特点,针对某型涡扇发动机,以直接推力控制模式为例,研究了涡扇发动机分路式多变量PI解耦控制.并采用了零点配置技术保证解耦控制器的稳定性,通过稳态解耦矩阵对涡扇发动机进行解耦达到分路控制的目的.利用SISO系统PI控制器设计方法确定每个环路的最优PI控制器.仿真结果表明,该算法具有较好的动态和静态解耦性能.